Repair Instead of Retraining: A Constraint-Guided Framework for Neural Network Repair
本論文は、DeepSHAPを通じて故障に関連する重みを特定し、コンコリック・テスティングによって記号的な制約を収集し、Max-SMTを用いて更新を最適化することにより、配備されたニューラルネットワークを修復する制約誘導型フレームワークを導入するものであり、広範な実験を通じて、バイアスのみの修正といった重要な修復戦略が、モデルの忠実度を維持しつつ、敵対的攻撃およびバックドアに対する脆弱性を大幅に軽減するという、系統的な設計空間探索が明らかにする事実を実証している。